基于自适应扩散核密度估计的时序相关概率最优潮流计算方法

为准确评估光伏与负荷的时序性和相关性对电力系统运行状态的影响,提出一种基于自适应扩散核密度估计的时序相关概率最优潮流计算方法。首先,利用光伏出力的自适应扩散核密度估计模型将高斯核函数转换为线性扩散过程,采用渐进积分误差法(asymptotic mean integrated squared error,AMISE)为扩散核函数选取自适应最优带宽,提高了光伏出力模型的局部适应性;其次,利用Copula理论构建光伏与负荷的时序联合概率分布模型,并获取具有相关性的时序光伏出力与负荷样本,进而提出能够准确计及光伏与负荷时序性和相关性的概率最优潮流计算方法;最后基于我国某地光伏电站实测数据与IEEE30节点系统进行仿真分析,验证了所提出计及光伏出力与负荷时序相关性的概率最优潮流计算方法的准确性与有效性。

基于多窗宽核密度估计的风电功率超短期自适应概率预测

精准的风电功率预测是保证新型电力系统安稳运行、促进风电消纳的重要手段。针对核密度估计所求分位数在不同置信度下鲁棒性差的问题,提出多窗宽核密度估计方法,根据不同置信度生成不同窗宽的核密度估计值,实现了风电功率的超短期自适应概率预测。首先,结合风电功率曲线和数据驱动模型,建立基于改进双向长短期记忆网络的风电功率超短期确定性预测模型。其次,推导了最优窗宽核密度估计方法,并基于此构建多窗宽核密度估计误差拟合模型,在不同置信度下自适应生成最优窗宽并构建预测区间。最后,基于实际运行数据验证模型的可行性与有效性。结果表明,所提模型可有效提高确定性预测的精度和概率预测的鲁棒性。

基于自适应带宽核密度估计的压气机叶片加工误差统计分析方法

针对压气机叶片的加工误差统计分析建模问题,本文提出了一种自适应带宽的非参数核密度估计方法,实现了压气机叶片加工误差的概率密度建模。首先,基于拇指法则求解固定带宽核密度估计中的固定最优带宽作为起始带宽。然后,在固定最优带宽的基础上引入灵敏因子构建了自适应带宽函数,并通过自适应带宽函数对核密度估计进行调控。在此基础上,以核密度估计的精度均方差(MSE)与灵敏度S为目标函数,采用精英策略遗传算法对灵敏因子进行优化获得最优灵敏因子。进而计算出不同数据样本点对应的最优带宽,使得带宽能够根据数据样本疏密程度进行自适应调整。最后,对134组机械加工叶片的叶型截面的6种叶型误差进行统计建模,并采用交叉检验法验证了自适应带宽核密度估计的泛化性能。实验结果表明该方法的适用性好精度高,且拟合优度均在0.9以上,同时避免了传统固定带宽核密度估计的局部适应性问题。本文所提出的统计分析方法能够准确获得现有工艺能力下压气机叶片加工误差的分布特性,为叶片气动设计优化改进提供了一种有效手段。

基于时间窗的自适应核密度估计运动检测方法

在对非参数核密度估计算法改进的基础上,针对远程视频监控中存在前景检测不够精确、实时性低等问题,提出了用于自适应背景更新的基于像素时间信息窗的核密度估计(TIW-KDE)算法,该算法充分利用时间轴上的前景帧的信息,自适应地将背景划分为动态背景区域和非动态背景区域,对动态背景区域用改进的非参数核密度估计算法进行更新,对非动态背景区域采用渐进式算法更新,有效解决了非参数核密度估计算法在背景更新时引起的背景污染和计算量大问题。实验结果表明,该算法在提高前景检测精确性的前提下,在处理实时性方面得到很大提高。

基于自适应核密度估计理论的抗差状态估计的性能分析及算例验证

针对基于自适应核密度估计的电力系统抗差状态估计新模型,提出了相应的求解策略,并通过其数学性质分析该方法对正常量测、可疑量测和不良数据的辨识性能。该算法对于正常量测具有与加权最小二乘法类似的收敛性好、渐进无偏的特点;对于不良数据,在迭代过程中通过自适应地降低其核密度带宽而等效降低其权重直至为零,相应减小或消除其影响而具有良好的抗差能力;对于可疑量测,在迭代中自适应核带宽逐渐减小,部分量测的等效权值逐步增大而被辨识为好数据,部分量测的等效权值减小而逐步被辨识为不良数据,从而实现了可疑数据的平滑逐步辨识,避免了"非好即坏"的判定而提高了对于不良数据的辨识能力。多个算例表明:新算法相较于现有其他抗差方法而言,具有较强的抗差能力,较高的计算精度及较快的计算速度。所提方法具有较强的工程应用前景。

基于自适应核密度估计的桥梁短时风速预测方法

为准确、高效地预测桥梁短时风速,提出一种基于自适应核密度估计(AKDE)的桥梁短时风速预测方法。该方法以AKDE为手段,通过历史风速获得实测风速样本总体的概率密度估计,在进行风速预测时,以当前风速样本为条件,在风速样本总体中匹配和估计预测状态的风速统计信息,从而实现对未来时刻单点风速和区间风速的预测。采用藏木雅鲁藏布江大桥现场实测风速数据对该方法进行验证,并与最小二乘支持向量机(LS-SVM)方法进行对比。结果表明:该方法可同时实现对短时单点风速和区间风速进行精度较高的预测,且与LS-SVM方法相比具有更高的计算效率,可满足实际工程快速预测风速的需求。

基于加权核密度估计的自适应运动前景检测方法

为解决监控视频背景初始化过程中前景干扰的问题,提出了一种基于加权核密度估计(KDE)的自适应运动前景检测方法.该方法对时间域变化稳定的像素值进行加权,并利用核密度估计构建背景模型,避免了背景初始化过程中前景的干扰.基于该背景模型,提出了一种新的阈值设定策略.该策略根据前景空间分布的连续性自适应获得前景阈值,填充前景中的"孔",并更新阈值.实验结果表明:即使场景中存在运动前景,该方法能够在多种场景下获得90%以上的查准率和查全率,其性能优于传统的背景差法.

基于自适应带宽核密度估计的载荷外推方法研究

为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行雨流计数统计,得到载荷循环均幅值矩阵,将小于载荷循环最大幅值10%的载荷滤除,其余的载荷循环均幅值数据根据四叉树分割算法进行不同区域的分割,选择高斯核函数,根据拇指法则计算各个区域的局部最优带宽,并根据数据区域内数据点的密集程度对核密度估计的输入进行优化,减少了核密度估计的计算量,最后结合蒙特卡洛模拟算法进行载荷外推。采用玉米收获机车架实测载荷数据进行实例验证,结果表明,与传统的固定带宽、自适应带宽核密度估计的载荷外推方法相比,本文提出的方法大大提高了计算效率,其概率密度函数图与实际载荷分布更为接近;载荷循环均幅值频次分布相关系数更接近于1,均方根误差更小;载荷循环幅值累积频次曲线的决定系数均大于0.99。

基于自适应噪声完备经验模态分解−样本熵−长短期记忆神经网络和核密度估计的短期电力负荷区间预测

短期电力负荷具有较强的随机性和波动性,其预测的准确性对于提升供电可靠性、电力系统运行经济性至关重要。针对传统确定性预测不能反映未来负荷波动的弊端,基于“点预测+区间估计”的思路提出了一种短期负荷区间预测方法。首先基于自适应噪声完备经验模态分解方法将负荷序列分解为多个模态分量,并根据不同序列样本熵的计算结果将序列进行重构以降低运算量。在此基础上,针对每一个分量分别构建长短期记忆神经网络预测模型,得到未来负荷点预测值。基于此利用核密度估计方法对预测误差的分布进行估计,进而结合点预测结果实现未来短期负荷的区间预测。通过将此模型与其他模型进行对比,结果表明此模型能够实现更低的点预测误差,同时在区间预测中也表现出更好的综合性能。

基于粒子群改进的自适应核密度估计算法的江苏省地面气温分析

考虑到当前气温分析方法对于季度、月度及日夜时间尺度下的数据分析不够充分的问题,提出一种基于粒子群算法改进的自适应核密度估计算法(PA-KDE),利用1961—2008年江苏省12个站点的定时气温资料研究该方法在季度、月度及日夜时间尺度下的灵敏度。按区域与季节对试验进行分析的结果表明:PA-KDE算法在季度、月度、日夜时间尺度下具有更高的灵敏度;同时可以用来更全面地分析气温的时空变化特征以及不同影响因子的效果。可见在讨论气温时空变化以及影响特征时要关注更多时间尺度、区域、季节下的影响。

基于改进核密度估计的电动出租车快速充电行为研究

电动汽车充电行为研究是充电负荷时空分布预测、充电基础设施规划和有序充电管理的基础。本文基于上海市电动出租车的实测数据,划分充电片段并提取快速充电行为特征变量,开展相关性分析以揭示变量之间的内在相关性,从工作日和休息日两个时间维度揭示快速充电行为规律,提出一种基于扩散方程的自适应扩散核密度估计模型应用于快速充电行为特征变量的概率建模并使用拟合优度检验指标验证该模型的有效性。研究结果表明:电动出租车的快速充电行为在工作日和休息日具有明显的差异性,自适应扩散核密度估计模型可使电动汽车充电行为特征变量的概率建模更加准确,且具有更高的拟合精度。

一种改进的可适应变宽核密度估计器

可适应变宽核密度估计器(kernel density estimator with adaptive varying bandwidth,KDE-AVB)是一种基于单个数据点的概率密度估计方法,它以单个数据点为处理对象,利用置信区间交叉法则确定核密度估计器的最优窗口宽度.为加快可适应变宽核密度估计器对最优窗口宽度的寻找,通过引入一种可变的标准差项因子去确定置信区间的上下边界,提出一种改进的可适应变宽核密度估计器(improved kernel density estimator with adaptive varying bandwidth,IKDE-AVB).可变标准差项因子的引入不仅加快了可适应变宽核密度估计器搜索最优窗口宽度的速度,且在一定程度上降低了“过平滑”概率密度估计现象发生的风险.对KDE-AVB和IKDE-AVB的仿真结果表明,IKDE-AVB不仅获得了更快的训练速度(最高降低64%),同时提升了概率密度的估计精度(估计误差最高降低63%).

自适应带宽核密度估计在旋转机械劣质监测数据识别中的应用

运行环境异常、人为因素干扰及采集设备故障等问题可能导致旋转机械监测数据中出现与设备健康状态无关的异常值或缺失数据,造成机械健康状态误判及维护策略制定不当等问题,为此,提出了一种基于自适应带宽核密度估计的劣质监测数据识别方法。通过对采集数据进行频域积分从而将零点漂移与局部噪声“冲击化”,计算积分后的峭度指标;采用局部均值误差进行高斯核带宽自适应选择,获得峭度指标的概率密度函数,并将95%置信区间的边界作为劣质数据识别阈值。通过车桥耐久监测全寿命数据对提取方法进行验证,结果表明,相比于固定带宽以及基于四叉树分割算法的核密度估计方法,所提方法对劣质监测数据具有较好的识别效果。

基于自适应扩散高斯核密度风电预测误差估计的风火联合优化调度研究

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。

利用核密度估计的空基视频运动目标检测

介绍了一种基于核密度估计的空基视频运动目标检测方法。首先,采用特征点对应法进行全局运动估计,根据特征点间的相互位置关系,剔除无效的特征点对,提高全局运动估计精度,并通过背景运动补偿,获取背景相对静止的图像序列;采用非参数核密度估计法进行背景建模,通过背景差分法实现运动目标检测,同时分析了检测噪声产生的主要因素,并采用检测噪声抑制方法,有效抑制了由背景补偿误差引入的大量检测噪声;最后,结合背景差分检测结果与连续帧间运动信息,实现背景更新过程能够适应目标运动状态的改变,提高了背景模型的鲁棒性。实验结果表明:该算法能够有效实现空基视频运动目标检测。

基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型

为了建立更精确的电动公共客车充电负荷模型,对起始荷电状态和起始充电时间的概率分布和抽样方法进行研究。首先针对概率分布,提出采用边界核的自适应非参数核密度估计算法,该方法无需概率分布的任何假设,能有效解决边界偏差和缺乏局部适应性的问题,从而提高了起始荷电状态和起始充电时间概率分布的准确度和适应性。其次针对抽样环节,提出结合三次样条插值法的改进拉丁超立方抽样算法,该方法不仅可以解决累积分布函数的反函数较难求解的问题,而且具有准确度高、抽样规模小等优点。最后,以这两种算法为基础,建立电动公共客车充电负荷模型,并将其与实测数据和传统参数估计方法所得结果进行对比。仿真结果证明了所提方法的适应性和有效性。

基于核密度估计的实时剩余寿命预测

现有的许多设备由于自身故障样本数据不足、少有同类故障样本数据等,寿命预测研究时往往需要进行模型结构假设及参数估计。针对这类研究方法估计不够准确的问题,提出一种基于核密度估计的非参数实时剩余寿命预测方法。该方法利用能表征部件连续退化的特征量构建退化分布的核密度估计模型,进而得到剩余寿命的概率分布函数。在实时监测不断获得新的退化特征数据后,利用已知样本的核密度估计不断递推更新得到新增样本后的核密度估计,从而进一步实现对预测剩余寿命分布的更新。通过实例分析,验证了该方法在剩余寿命预测中的有效性。

基于核密度估计密度峰聚类的通信辐射源个体识别

通信辐射源个体识别是通过发射机反映在信号上的差异来判别信号与辐射源个体之间的关联。传统的通信辐射源个体识别方法以及新兴的利用神经网络进行辐射源个体识别的方法都依赖带类别信息的信号样本,然而在实际中带类别信息的信号样本获取难度很大。为了解决这个问题,引入了无监督学习中的密度峰值聚类算法,在无类别信息信号样本的前提下进行通信辐射源个体识别。由于密度峰值聚类算法的性能受人工输入参数d c的影响较大,文中利用核密度估计(KDE)及热扩散方程改进算法,在不需要人工输入参数的条件下实现对数据的分类。文中所提算法在实际电台信号数据集上进行了实验,具有较好的效果,验证了该算法的可靠性和有效性。

基于自适应扩散核密度分布的风电功率预测误差分析研究

针对风电功率预测误差多变分布特点,提出一种基于自适应扩散核密度分布的风电功率预测误差概率模型。利用将高斯核函数转换为线性扩散过程的自适应扩散核密度预测误差分布模型,并采用渐进均方积分误差法为扩散核函数选取自适应最优带宽,提高了风电功率预测误差拟合的局部适应性;其次,分析自适应扩散核密度分布模型在不同预测方法、不同装机容量和不同采样周期下对风电功率预测误差的拟合效果,并与高斯等混合参数模型和固定带宽核密度模型进行对比,验证了所建模型在不同情况下的适用性。

一种轴承核密度估计的剩余寿命预测研究

剩余寿命预测在提高机械设备轴承的可用性和生产率方面发挥着重要作用。为了提高轴承运行过程中实时剩余寿命预测的准确性,提出了一种轴承核密度估计的剩余寿命预测方法,利用部件连续退化的特征量构建退化分布的核密度估计模型,然后得到剩余寿命的概率分布函数。随着监测数据的实时变化,利用已知样本的核密度估计来递归更新新样本的核密度估计,然后更新预测模型。轴承磨损试验表明,该模型能够准确预测轴承的剩余寿命,与维纳过程的预测模型相比,验证了核密度估计模型在剩余寿命预测中的准确性。